Bazy danych i biologia

Transkrypt

1 Bazy danych i biologia Biologiczne Aplikacje Baz Danych Politechnika Poznańska dr inż. Anna Leśniewska alesniewska@cs.put.poznan.pl

2 Biological databases play a central role in bioinformatics. They offer scientists the opportunity to access a wide variety of biologically relevant data, including the genomic sequences of an increasingly broad range of organisms.... Andreas D. Baxevanis The importance of Biological Databases in Biological Discovery (1, sep 2009) Wprowadzenie Biologiczne Aplikacje Bazy danych

3 O czym będziemy mówić na wykładach? Plan wykładów: Wprowadzenie do świata biologicznych baz danych Schodzimy głębiej czyli bazy danych od podszewki: użytkownik, autoryzacja, uwierzytelnianie, struktura, tabela, sekwencje etc. Relacyjny model danych i modelowanie związków encji Transformacja do modelu relacyjnego i indeksy w bazie danych Transakcje w bazie danych Tworzenie aplikacji i interfejsy do bazy (jdbc, pdo, R, Apex) Bazy danych nurtu NoSQL na przykładzie baz MongoDB, Redis i Cassandra Prezentacje Biologiczne Bazy Danych Zaliczenie: test końcowy

4 Laboratoria Plan laboratoriów: Uczymy się korzystać z gotowych biologicznych baz danych (BioMart etc.) Autoryzacja w bazie danych (uprawnienia w bazie danych) Oracle Data Modeler i zadania z modelowania i tworzenia diagramów związków encji Tworzymy tabele, indeksy i inne struktury w bazie danych i transformacja do modelu relacyjnego Transakcje w bazie danych Tworzenie prostych aplikacji, tutoriale Bazy nurtu NoSQL - tutoriale Prezentacja gotowych projektów

5 Zaliczenie - wykład Obecność na wykładach promowana następująco: >= 12 wykładów bdb 11 wykładów db + 10 wykładów db 9 wykładów dst + 8 wykładów dst < 7 wykładów ndst lub test Test obejmujący wiedzę z zakresu wiedzy prezentowanej na wykładach

6 Zaliczenie - laboratoria Projekt Prezentacja na temat wybranej Biologicznej Bazy Danych

7 Czym jest baza danych? Wygodny sposób na pracę z ogromną ilością danych Umożliwia efektywne przechowywanie, wyszukiwanie i przetwarzanie danych Przed analizą konieczne jest złożenie w jedno scentralizowane źródło danych i udostępnienie użytkownikom Baza danych

8 Dlaczego bazy danych? Umożliwia obsługę i udostępnianie dużych ilości danych również biologicznych Wspiera analizę na dużą skalę Powoduje, że mamy łatwy dostęp do danych również aktualizację danych Łączy wiedzę uzyskaną z różnych dziedzin tak jak w naszym przypadku np. obszarów biologii i medycyny

9 Co rozumiemy przez aplikacje? Aplikacja, program użytkowy konkretny, ze względu na oferowaną użytkownikom funkcjonalność, element oprogramowania użytkowego aplikacja mobilna raport formularz aplikacja www program wsadowy

10 Architektura systemu bazy danych Użytkownicy końcowi (naiwni) Interfejs użytkownika Aplikacja isql*plus Aplikacja WWW Aplikacja formatka 1 Aplikacja formatka 2 Aplikacja raport Administrator Użytkownik zaawansowany Programiści 4GL Narzędzia SQL*Plus Narzędzia SQL*Forms Narzędzia SQL*Report Serwer aplikacji Aplikacja C/C++ Aplikacja J2EE OCI JDBC System Zarządzania Bazą Danych Schemat Dane SQL Baza danych

11 Baza danych Oracle 11g Adres serwera: admlab2-main.cs.put.poznan.pl dblab01 Użytkownicy: BINFnumer_indeksu, np. BINF12345 hasło początkowe: BINFnumer_indeksu nazwa bazy danych: dblab01

12 Biologiczne bazy danych Typ bazy danych Typ informacji Bibliograficzne Literatura Taksonomiczne Klasyfikacje Kwasów Nukleinowych Informacje DNA Genomowe Informacje o genach Białkowe Struktura białkowa Enzymy/metabol. ścieżki Ścieżki metaboliczne

13 Trochę historii... Bourne PE., Westbrook J, Berman HM (PDB, zał. 1971) The Protein Data Bank and lessons in data management Bairoch A., Boeckmann B, Ferro S, Gesteiger E (Swiss-Prot, zał. 1986) Swiss-Prot: Juggling between evolution and stability Birney E.,Clamp M. (ENSEMBL, zał.1999) Biological database design and implementation Dwight SS, Balakrishnan R et al. (SGD, zał. 1996) Saccharomyces genome database: Underlying principles and organisation 90te udostępnione przez Internet oraz CDROM

14 Tworzenie biologicznych baz danych Tworzenie biologicznych baz danych w niczym nie różni się od tworzenia baz danych z innych dziedzin Ale? Problem komunikacji biolog informatyk może być problemem

15 Problemy komunikacyjne

16 Tworzenie biologicznej bazy danych Dobra baza danych = wiedza i doświadczenie informatyczne + dogłębne zrozumienie problemu biologicznego 1 osoba ekspert w obu dziedzinach 2 osoby problem komunikacji, odmienne postrzeganie problemów i sposobów rozwiązań

17 Tworzenie biologicznej bazy danych Prostota i sprawdzone rozwiązania Nie mieszać innowacji bio i informatycznych w jednym produkcie Tak zaprojektować aby była możliwość rozbudowy Nie zgubić biologicznego problemu leżącego u podstaw projektu na rzecz technologii

18 Tworzenie biologicznej bazy danych Potrzebna przejrzysta wizja celu i sposobu działania Dla właściwej funkcjonalności i spełnienia założonej roli BBD, jej projekt (interfejs użytkownika oraz organizacja danych) powinien powstać pod dyktando biologii, nie informatyki Zastosowanie narzuconego słownictwa (ang. Controlled vocabulary), np. do opisów ontologii genów

19 Specyfika biologicznych baz danych Projekt bazy danych musi wyjść naprzeciw oczekiwaniom użytkowników przewidzieć i umożliwić określony sposób przeglądania danych przez biologów Jedną z głównych motywacji tworzenia baz danych jest odkrywanie nowych zależności pomiędzy danymi i wtórna interpretacja danych, a nie samo przechowywanie danych Narzędzia do porównywania, wizualizacji oraz analizy danych

20 Specyfika biologicznych baz danych Interpretacja biologicznych danych przechowywanych w bazie danych może ulec zmianie w czasie np. Adnotacja genomu referencyjnego Nieostra granica pomiędzy daną niezmienną a daną interpretowalną np. Dane z eksperymentów mikromacierzowych można traktować jako podstawowe informacje o ekspresji, ale dane te są obrabiane przez zdeponowaniem w bazach danych

21 Klasyfikacja biologicznych baz danych Podział ze względu na rodzaj przechowywanych danych Pierwotne (Primary databases) Wtórne (Secondary databases) Złożone (Composite databases) Podział ze względu na treść przechowywanych danych Sekwencje Struktury i związane z nimi anotacje

22 Bazy danych sekwencji NCBI : NCBI, at the NIH campus, USA EMBL : European Molecular Biology Laboratory, UK DDBJ : DNA Databank of Japan

23 Międzynarodowa współpraca

24 Serwis do analizy sekwencji białkowych ExPASy Expert Protein Analysis System Baza UniProt Knowledgebase składa się z : UniProtKB/SwissProt protein knowledgebase UniProt/TrEMBL computer-annotated suplement do Swiss-Prot bezpośrednie tłumaczenie z EMBL na Swiss-Prot F F f

25 a Swiss-Prot entry overview Entry name Accession number sequence

26 Protein name Gene name Taxonomy

27 References

28 Comments

29 Cross-references

30 Keywords

31 Feature table (sequence description)

32 National Center for Biotechnology Information

33 NCBI narzędzia

34 Entrez Global Query Cross-Database Search System

35 Projekt Ensembl

36 Ensembl

37 Ensembl genome browser

38 Ensembl dane

39 Struktura baz danych

40 Ile jest biologicznych baz danych?

41 database w bazie PubMed

42 Katalogi biologicznych baz danych ok. 250 baz danych 2018 > 1600 baz danych

43 Czasopisma biobazodanowe Od 1996 Specjalny numer NAR Topowe Bazy Danych, nowe obiecujące bazy, aktualizacje Od 2010 Database The Journal of Biological Databases and Curation Platforma wymiany pomysłów i opinii dla twórców, kuratorów oraz użytkowników baz danych

44 Nucleic Acid Research Database Issue

45 Rola baz danych w społeczności (bio)naukowej Sposób organizacji danych Miejsce składowania wyników (bazy pierwotne) Źródło danych, np. Z innych projektów zestawy testowe, możliwość porównania wyników, weryfikacja danych Sposób na pozyskanie nowych informacji (integracja danych) Identyfikacja dorobku naukowego konkretnej osoby

46 Istnieje ogromna liczba biologicznych baz danych, a w nich cenne informacje Nawet najlepsze bazy danych nie mają wszystkich informacji W przypadku informacji biologicznej sekwencja stanowi często bardziej precyzyjny identyfikator niż nazwa genu